亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

python爬蟲模塊URL管理器模塊用法解析

 更新時間:2020年02月03日 09:37:19   作者:一起來學(xué)python  
這篇文章主要介紹了python爬蟲模塊URL管理器模塊用法解析,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

這篇文章主要介紹了python爬蟲模塊URL管理器模塊用法解析,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

URL管理器模塊

一般是用來維護爬取的url和未爬取的url已經(jīng)新添加的url的,如果隊列中已經(jīng)存在了當(dāng)前爬取的url了就不需要再重復(fù)爬取了,另外防止造成一個死循環(huán)。舉個例子

我爬www.baidu.com 其中我抓取的列表中有music.baidu.om,然后我再繼續(xù)抓取該頁面的所有鏈接,但是其中含有www.baidu.com,可以想象如果不做處理的話就成了一個死循環(huán)了,在百度首頁和百度音樂頁循環(huán),所以有一個對列來維護URL是很重要的。

下面以python代碼實現(xiàn)為例,使用的deque雙向隊列方便取出以前的url。

from collections import deque
class URLQueue():
  def __init__(self):
    self.queue = deque() # 待抓取的網(wǎng)頁
    self.visited = set() # 已經(jīng)抓取過的網(wǎng)頁
 
  def new_url_size(self):
    '''''
    獲取未爬取URL集合的大小
    :return: 
    '''
    return len(self.queue)
 
  def old_url_size(self):
    '''''
    獲取已爬取URL的大小
    :return: 
    '''
    return len(self.visited)
 
  def has_new_url(self):
    '''''
    判斷是否有未爬取的URL
    :return: 
    '''
    return self.new_url_size() != 0
 
  def get_new_url(self):
    '''''
    獲取一個未爬取的URL
    :return: 
    '''
    new_url = self.queue.popleft()#從左側(cè)取出一個鏈接
    self.old_urls.add(new_url)#記錄已經(jīng)抓取
    return new_url
 
  def add_new_url(self, url):
    '''''
    將新的URL添加到未爬取的URL集合
    :param url: 單個url
    :return: 
    '''
    if url is None:
      return False
    if url not in self.new_urls and url not in self.old_urls:
      self.new_urls.append(url)
 
  def add_new_urls(self, urlset):
    '''''
    將新的URL添加到未爬取的URL集合
    :param urlset: url集合
    :return: 
    '''
    if urlset is None or len(urlset) == 0:
      return
    for url in urlset:
       self.add_new_url(url)

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • 使paramiko庫執(zhí)行命令時在給定的時間強制退出功能的實現(xiàn)

    使paramiko庫執(zhí)行命令時在給定的時間強制退出功能的實現(xiàn)

    這篇文章主要介紹了使paramiko庫執(zhí)行命令時,在給定的時間強制退出,本文通過實例代碼給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2021-03-03
  • Tkinter組件Entry的具體使用

    Tkinter組件Entry的具體使用

    本文主要介紹了Tkinter組件Entry的具體使用,Entry組件通常用于獲取用戶的輸入文本,文中通過示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2022-01-01
  • Python 實現(xiàn)刪除某路徑下文件及文件夾的實例講解

    Python 實現(xiàn)刪除某路徑下文件及文件夾的實例講解

    下面小編就為大家分享一篇Python 實現(xiàn)刪除某路徑下文件及文件夾的實例講解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-04-04
  • 利用Python畫ROC曲線和AUC值計算

    利用Python畫ROC曲線和AUC值計算

    這篇文章給大家介紹了如何利用Python畫ROC曲線,以及AUC值的計算,有需要的朋友們可以參考借鑒,下面來一起看看吧。
    2016-09-09
  • 用Python實現(xiàn)數(shù)據(jù)篩選與匹配實例

    用Python實現(xiàn)數(shù)據(jù)篩選與匹配實例

    大家好,本篇文章主要講的是用Python實現(xiàn)數(shù)據(jù)篩選與匹配實例,感興趣的同學(xué)趕快來看一看吧,對你有幫助的話記得收藏一下
    2022-02-02
  • python字典排序淺析介紹

    python字典排序淺析介紹

    在數(shù)據(jù)處理時,為了方便統(tǒng)計經(jīng)常使用字典存儲數(shù)據(jù)。python中的字典是‘鍵:值’對的可變序列。排序時可以指定根據(jù)鍵或者是值為對象進行排序。用到的函數(shù)是sorted(),需要的朋友們下面隨著小編來一起學(xué)習(xí)吧
    2022-10-10
  • Python利用雪花算法實現(xiàn)生成唯一ID

    Python利用雪花算法實現(xiàn)生成唯一ID

    雪花算法是在一個項目體系中生成全局唯一ID標識的一種方式,偶然間看到了Python使用雪花算法不盡感嘆真的是太便捷了。本文就來聊聊這具體的實現(xiàn)方法,感興趣的可以了解一下
    2022-11-11
  • 基于python cut和qcut的用法及區(qū)別詳解

    基于python cut和qcut的用法及區(qū)別詳解

    今天小編就為大家分享一篇基于python cut和qcut的用法及區(qū)別詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-11-11
  • 利用Python繪制MySQL數(shù)據(jù)圖實現(xiàn)數(shù)據(jù)可視化

    利用Python繪制MySQL數(shù)據(jù)圖實現(xiàn)數(shù)據(jù)可視化

    這篇文章主要介紹了利用Python繪制MySQL數(shù)據(jù)圖實現(xiàn)數(shù)據(jù)可視化,其中包括Python與MySQL的連接搭建、用Python執(zhí)行MySQL語句查詢等內(nèi)容,需要的朋友可以參考下
    2015-03-03
  • 狀態(tài)機的概念和在Python下使用狀態(tài)機的教程

    狀態(tài)機的概念和在Python下使用狀態(tài)機的教程

    這篇文章主要介紹了狀態(tài)機的概念和在Python下使用狀態(tài)機的教程,本文來自于IBM官方開發(fā)者技術(shù)文檔,需要的朋友可以參考下
    2015-04-04

最新評論